背包问题动态规划算法

问题描述:

设U = {u1,u2,u3,......ui}(一共有amount数量的物品)是一组准备放入背包中的物品.设背包的容量为size.

定义每个物品都具有两个属性weight和value.

我们要解决的问题就是计算在所选取的物品总重量不超过背包容量size的前提下使所选的物品总价值最大.

程序的设计:

设V[i, j]用来表示从前i项{u1......ui}中取出来的装入体积为j的背包的最大价值.i的范围是从0到amount,j是从0到size.这样的话要 计算的值就是V[amount, size].V[0, j]对于所有的j的值都是0,因为这时候的包中没有物品.同时V[i, 0]的值也是0,因为没有物品可以放到size为0的背包里面.

所以有:

V[i, j] = 0       若i = 0 或 j = 0;

V[i, j] = V[i - 1, j]    若j < ui.weight;(当物品的重量大于背包承重时,就不把物品放在里面)

V[i, j] = max{V[i - 1, j], V[i - 1, j - ui.weight] + ui.value}      若i > 0并且j >= ui.weight;

 

现在就可用动态规划的方法运用上面的公式来填表求解了.

#include <stdio.h>
#define W 1000
#define N 1000

typedef 
struct data
{
    
int vaule;
    
int weight;
}
goods;

int returnmax(int a, int b)
{
    
return (a > b ? a : b);
}


int KNAPSACK(goods *P, int a, int s)
{
    
int V[N][W];
    
int i,j,mv;
    
for(i = 0; i < a; i++)
        V[i][
0= 0;
    
for(j = 0; j < s; j++)
        V[
0][j] = 0;
    
for(i = 1; i <= a; i++)
        
for(j = 1; j <= s; j++)
        ...
{
            V[i][j] 
= V[i - 1][j];
            
if(P[i].weight <= j)
                V[i][j] 
= returnmax(V[i][j],V[i - 1][j - P[i].weight] + P[i].vaule);
        }

    mv 
= V[a][s];
    
return mv;
}


int main()
{
    
int mostvalue,amount,size,i;
    goods A[N];
    printf(
"Input how much the goods have: ");
    scanf(
"%d",&amount);
    printf(
"Input the size of the bag: ");
    scanf(
"%d",&size);
    printf(
"Input the data of the goods: ");
    
for(i = 0; i < amount; i++)
        scanf(
"%d %d",&A[i].vaule,&A[i].weight);
    mostvalue 
= KNAPSACK(A,amount,size);
    printf(
"%d",mostvalue);
    
return 0;
}

 还有一种纯粹用数组解决的方案,避免了结构体的效率底下,思路是一样的
代码如下:
#include<iostream>
#define GOODNUM 5
using namespace std;

int main()
{
    
int good[GOODNUM][2]={{4,6},{5,2},{6,3},{7,7},{8,5}};//good[i][0]:size||good[i][1]:value
    int i,j,size,weight;
    
int v[GOODNUM+1][1000];
    
    cout
<<"please input the bag's size"<<endl;
    cin
>>size;

    
for(i=0;i<=GOODNUM;i++)
        v[i][
0]=0;
    
for(i=0;i<=size;i++)
        v[
0][i]=0;

    
for(i=1;i<=GOODNUM;i++)
        
for(j=1;j<=size;j++){
            v[i][j]
=v[i-1][j];
            
if(good[i-1][0]<=j)
                
if((v[i-1][j-good[i-1][0]]+good[i-1][1])>v[i][j])
                        v[i][j]
=v[i-1][j-good[i-1][0]]+good[i-1][1];
        }

            
       

    cout
<<v[GOODNUM][size]<<endl;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
01背包问题一个经典的动态规划问题,它的目是在给定一组物品和一个包容量的情况下,选择一些品放入背包中,使得放入背包的物品总价最大,同时不能超过背包的容量。 动态规划算法是解决01背包问题的常用方法。下面是该算法的实现步骤: 1. 创建一个二维数组dp,其中dp[i][j]表示在前i个物品中选择一些放入容量为j的背包中所能获得的最大价值。 2. 初始化dp数组的第一行和第一列为0,表示背包容量为0或者没有物品可选时,最大价值都为0。 3. 对于每个物品i,遍历背包容量j从1到背包总容量: - 如果当前物品i的重量大于背包容量j,则无法将物品i放入背包中,此时最大价值为dp[i-1][j]。 - 如果当前物品i的重量小于等于背包容量j,则可以选择将物品i放入背包中或者不放入背包中: - 如果选择放入物品i,则最大价值为dp[i-1][j-w[i]] + v[i],其中w[i]表示物品i的重量,v[i]表示物品i的价值。 - 如果选择不放入物品i,则最大价值为dp[i-1][j]。 - 取上述两种情况的最大值作为dp[i][j]的值。 4. 遍历完所有物品后,dp[n][C]即为问题的解,其中n表示物品的个数,C表示背包的总容量。 下面是01背包问题动态规划算法的实现代码: ```python def knapsack(W, wt, val, n): dp = [[0 for _ in range(W+1)] for _ in range(n+1)] for i in range(1, n+1): for j in range(1, W+1): if wt[i-1] > j: dp[i][j] = dp[i-1][j] else: dp[i][j] = max(dp[i-1][j], dp[i-1][j-wt[i-1]] + val[i-1]) return dp[n][W] ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值